10月28號的北京，秋日的陽光分外燦爛，將西山的輪廓勾勒得格外清晰。位于西三環(huán)邊的香格里拉飯店，人聲鼎沸，科大訊飛“語音云”發(fā)布會選擇這里舉行。
此次發(fā)布會與高速發(fā)展的移動互聯(lián)網(wǎng)背景密不可分，移動互聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模達到桌面互聯(lián)網(wǎng)十倍以上速度遞增。而在互聯(lián)網(wǎng)時代，社會變得越來越小，語音技術(shù)使開車走路等移動狀況下使用互聯(lián)網(wǎng)成為可能。數(shù)據(jù)表明，目前中國的8億手機用戶中，已經(jīng)有將近2億的移動互聯(lián)網(wǎng)用戶，到2012年，中國3G用戶也將超過2億以上，如此巨大規(guī)模的用戶群，為中國移動互聯(lián)網(wǎng)的發(fā)展提供了源源不斷的動力和持續(xù)成長的舞臺。
在這個大的發(fā)展趨勢中，對語音技術(shù)的投入力度和市場關(guān)注度前所未有，如IBM，微軟、蘋果以及Google都有對語音的規(guī)劃，IBM提出要把他的語音技術(shù)推向市場，微軟在多種場合下提出來，他未來看好的三大產(chǎn)業(yè)第一就是語音技術(shù)，并且微軟即將推出來的Window7，也已經(jīng)把語音作為非常重要的一部分，而蘋果也正在研發(fā)語音識別技術(shù)等等。應(yīng)該說國際IT巨頭在中文語音領(lǐng)域，在全球范圍內(nèi)對語音產(chǎn)業(yè)的高度關(guān)注，既促進了這個產(chǎn)業(yè)快速的發(fā)展，也為我們中國語音企業(yè)提出了更大的挑戰(zhàn)。
同時，“云計算”一出世，就引起了行業(yè)人士的關(guān)注，而語音技術(shù)與呼叫中心的結(jié)合運用，更是大家期待的�？拼笥嶏w此次推出“語音云”，是概念的重新整合還是標志著一項新技術(shù)的誕生？如果是一項新的技術(shù)，除了呼叫中心的應(yīng)用之外，是否還能在別的領(lǐng)域帶給大家驚喜？這個新領(lǐng)域應(yīng)用是否已有一些成果？
為此，利用“語音云”發(fā)布會正式開始前的間隙，CTI論壇記者專訪了科大訊飛高級副總裁吳曉如博士。
上圖為：科大訊飛高級副總裁吳曉如博士
1、CTI論壇記者：請您談?wù)効拼笥嶏w此次推出的“語音云”是一個新概念還是一項新技術(shù)？
吳曉如：“訊飛語音云”，實際上是基于云計算技術(shù)作為基礎(chǔ)，將業(yè)界領(lǐng)先的智能語音技術(shù)向廣大移動互聯(lián)網(wǎng)開發(fā)者開放，為各類合作伙伴提供低門檻的語音合成、語音識別以及語音聽寫等智能語音交互式服務(wù)。
而合作伙伴方面，可以像使用水、電那樣“即開即有、按需取用”，非常方便。以前的合作開發(fā)，可能需要半年甚至幾年的時間，才能開發(fā)一個應(yīng)用，而現(xiàn)在，可以做到一、兩個月，甚至幾天就可以開發(fā)一個新應(yīng)用。也就是方便了合作伙伴，能在極短的時間內(nèi)構(gòu)建一個支持自然語音交互功能的特色移動互聯(lián)網(wǎng)應(yīng)用。
另外，“訊飛語音云”的推出，還有一個重要的突破，就是將打破相關(guān)語音服務(wù)在本地調(diào)用時，受本地資源條件限制，可實現(xiàn)的應(yīng)用少、應(yīng)用效果不盡人意的瓶頸，從而能有效培育和進一步催生用戶需求，形成應(yīng)用、市場、用戶各方面的良性互動與促進作用，推動語音市場的發(fā)展。
2、CTI論壇記者： 面向呼叫中心的中文語音合成技術(shù)近年來的發(fā)展水平？
吳曉如：應(yīng)該說這十年的語音技術(shù)發(fā)展是相當快的，如果將中國一個最出色播音員的普通話作為滿分5分的話，在2000年以前，我們還達不到3分， 2005年前后，我們能達到3.8分，而現(xiàn)在，我可以自豪地說，我們能達到4.5分了。4.5分是個什么概念，打個比方，比如咱倆的普通話標準可能只能達到4分左右。而我們的語音已經(jīng)能達到4.5分，比咱倆水平高。
3、CTI論壇記者：如您上面所說，科大訊飛的語音合成技術(shù)早已公認為處于業(yè)界領(lǐng)先水平，但在語音識別方面有哪些競爭優(yōu)勢呢？
吳曉如：科大訊飛有三個方面的優(yōu)勢，可以說是全世界都比不了的。
第一個優(yōu)勢是我們有龐大的語音庫，這個語音庫的容量已經(jīng)達到百萬級�？拼笥嶏w與國家教育部合作，是全國普通話測試協(xié)助商，大家都知道：全國每年都會有國家公務(wù)員、教師等職位必須進行普通話考試，考試的所有語音數(shù)據(jù)我們都會存貯，可以說，我們有全中國每個省、每個市、甚至每個縣、每個鎮(zhèn)的基礎(chǔ)語音數(shù)據(jù)庫。
第二個優(yōu)勢是科大訊飛的技術(shù)是產(chǎn)學研一體化的，我們與清華大學、中國科技大學、新疆大學等語音研究室進行合作，可以說語音研發(fā)的先進技術(shù)能夠很好的得到應(yīng)用體現(xiàn)。
第三，我們采用了云計算平臺，上面說的百萬數(shù)據(jù)如何為我所用？我們對數(shù)據(jù)反復進行研究，建立復雜的數(shù)學模型，這些都要求工程運算能力極強。
4、CTI論壇記者： 語音識別在呼叫中心的應(yīng)用價值體現(xiàn)？而目前在國內(nèi)還未大規(guī)模應(yīng)用，主要是什么原因？
吳曉如：我覺得語音識別在呼叫中心的應(yīng)用價值體現(xiàn)是顯而易見的，但最大體現(xiàn)在以下兩點：
一是我們可以進行自助語音服務(wù)，這部分的服務(wù)現(xiàn)在已經(jīng)在銀行、保險及運營商的客戶服務(wù)中心得到了良好的體驗；
二是語音是一種非結(jié)構(gòu)化的信息源，現(xiàn)在對語音的檢索還沒有用起來，大段大段的語音，其實有很多是很有價值的資源，因為不象文字那么容易檢索，因而這部分的資源都沒有得到合理的應(yīng)用。挖出有價值的語音信息，這是語音的另一個應(yīng)用價值體現(xiàn)。
但目前在國內(nèi)，語音技術(shù)還沒有大規(guī)模應(yīng)用起來，主要原因是客戶的需求不是太迫切，另外，呼叫中心一般是成本中心，而且，呼叫中心對技術(shù)的成熟度要求很高，客戶可以用不是太方便的，但一定要用不能出問題的。前幾年的語音技術(shù)還達到這個標準。現(xiàn)在的技術(shù)已經(jīng)能解決這個問題。
5、CTI論壇記者：訊飛語音識別的核心技術(shù)是什么？
吳曉如：訊飛語音識別的核心主要有三大技術(shù)：
一是區(qū)分性訓練技術(shù)：上面提到過，我們有上百萬的基礎(chǔ)語音數(shù)據(jù)庫，這么龐大的語音數(shù)據(jù)需要進行區(qū)分；
二是超大規(guī)模的解碼技術(shù)：經(jīng)過對聲音區(qū)分性訓練后，建立復雜的數(shù)據(jù)模型，需要有超大規(guī)模的解碼技術(shù)；
三是有語音自適應(yīng)技術(shù)：當某些語音識別不了，進行多次重復識別，識別率會更高。
6、CTI論壇記者：科大訊飛未來的戰(zhàn)略的是什么？
吳曉如：語音技術(shù)和產(chǎn)業(yè)一直是世界各國競相競爭的熱點和焦點，而科大訊飛作為一家民族語音企業(yè)，我們具有非常好的機遇及發(fā)展壯大中國語音產(chǎn)業(yè)的責任。
“語音是文化的基礎(chǔ)，民族的象征”，智能語音技術(shù)不僅擁有廣闊的應(yīng)用空間，還在國防軍事、漢語國際推廣、教育等國家重大戰(zhàn)略需求領(lǐng)域有著重大應(yīng)用價值。而移動互聯(lián)網(wǎng)邁入語音時代、云計算時代，我們將語音與移動互聯(lián)網(wǎng)結(jié)合，相信會對我國移動互聯(lián)網(wǎng)語音應(yīng)用及信息安全產(chǎn)生推動作用。
另外，科大訊飛不僅局限于中文領(lǐng)域，而且在英文技術(shù)領(lǐng)域方面也予以開拓。
CTI論壇記者：預(yù)祝此次科大訊飛“語音云”發(fā)布會圓滿成功！
吳曉如博士簡介：安徽科大訊飛信息科技股份有限公司高級副總裁，負責訊飛語音技術(shù)在電話和網(wǎng)絡(luò)上的業(yè)務(wù)。研究興趣為語音合成和語音識別等智能語音技術(shù)。曾參加了多個國家重點科研項目。2003、2004年度主持開發(fā)了代表當年中文語音最高水平的中文語音合成系統(tǒng)，2006年主持開發(fā)的英文語音合成系統(tǒng)獲得國際英文語音合成大賽第一名。此外，吳曉如長期致力于推動語音技術(shù)的應(yīng)用深化，目前語音應(yīng)用已覆蓋了電信、金融、電力等社會信息服務(wù)的各領(lǐng)域，鑒于在智能語音技術(shù)及其成果應(yīng)用推廣方面所作的工作，吳曉如于2002年度獲國家科技進步獎，2006年獲得信息產(chǎn)業(yè)重大技術(shù)發(fā)明獎，2007年獲信息產(chǎn)業(yè)部先進個人；
聲明：CTI論壇（CTiforum）版權(quán)作品，未經(jīng)CTiforum書面授權(quán)，嚴禁轉(zhuǎn)載，違者將被追究法律責任。
